DISTRIBUIO NORMAL

Introdu
Exemplo : Observamos
o o peso, em kg,

de 1500 pessoas
adultas selecionadas ao acaso em uma populao.
O histograma por densidade o seguinte:

Densidade

0.04

0.03

0.02

0.01

0.00
30

40

50

60

70

Peso

80

90

100

A anlise do histograma indica que:

- a distribuio dos valores aproximadamente simtrica
em torno de 70kg;
- a maioria dos valores (88%) encontra-se no intervalo
(55;85);
- existe uma pequena proporo de valores abaixo de 48kg
(1,2%) e acima de 92kg (1%).

Vamos definir a varivel aleatria

X: peso, em kg, de uma pessoa adulta
escolhida ao acaso da populao.
Como se distribuem os valores da varivel aleatria X, isto ,
qual a distribuio de probabilidades de X ?

Densidade

0.030

0.015

0.000
30

40

50

60

70

80

90

100

Peso

A curva contnua da figura denomina-se curva Normal.

A distribuio Normal uma das mais importantes

distribuies contnuas de probabilidade pois:

Muitos fenmenos aleatrios comportam-se de forma

prxima a essa distribuio. Exemplos:
1. altura;
2. presso sangnea;
3. peso.

Pode ser utilizada para calcular, de forma aproximada,

probabilidades para outras distribuies, como por
exemplo, para a distribuio Binomial.

Nem todos os fenmenos se ajustam distribuio Normal.

Exemplo:
Y: Durao, em horas, de uma lmpada de certa marca.
A experincia sugere que esta distribuio deve ser
assimtrica - grande proporo de valores entre 0 e 500
horas e pequena proporo de valores acima de 1500 horas.

Modelos Contnuos de Probabilidade

Varivel Aleatria Contnua:
Assume valores num intervalo de nmeros reais.
No possvel listar, individualmente, todos os possveis
valores de uma v.a. contnua.
Associamos probabilidades a intervalos de valores da
varivel.

Propriedades dos Modelos Contnuos

Uma v.a. X contnua caracterizada por sua funo
densidade de probabilidade f(x) com as propriedades:
(i) A rea sob a curva de densidade 1;
(ii) P(a X b) = rea sob a curva da densidade f(x) e
acima do eixo x, entre os pontos a e b;
(iii) f(x) 0, para todo x;
(iv) P(X = x0) = 0, para x0 fixo.

Assim, P(a < X < b) = P(a X < b)

= P(a < X b) = P(a X b).

A DISTRIBUIO NORMAL
A v. a. X tem distribuio Normal com parmetros e 2 se
sua funo densidade de probabilidade dada por

1
f (x )
e
2

1 x

, < x < .

Pode ser mostrado que

1. o valor esperado (mdia) de X ( - < < );
2. 2 a varincia de X ( 2 > 0).
Notao : X ~ N( ; 2)

Propriedades de X ~ N(; 2)

E(X) = (mdia ou valor esperado);

Var(X) = 2 (e portanto, DP(X) = );
f (x) 0 quando x ;
x = ponto de mximo de f (x);
- e + so pontos de inflexo de f (x);
a curva Normal simtrica em torno da mdia

A distribuio Normal depende dos parmetros e 2

N(1; 2)

N(2; 2)

Curvas Normais com mesma varincia 2

mas mdias diferentes (2 > 1).

Influncia de 2 na curva Normal

N(;12)
2 2 > 1 2
N(;22)

Curvas Normais com mesma mdia

mas com varincias diferentes ( 22 > 12 ).

Clculo de probabilidades
P(a < X < b)

rea sob a curva e acima do eixo horizontal (x) entre a e b.

Se X ~ N( ; ), definimos
2

E(Z) = 0
Var(Z) = 1

X
Z

f(x)

X ~ N( ; 2)

f(z)

Z ~ N(0 ; 1)

0 b

A v.a. Z ~ N(0;1) denomina-se normal padro ou reduzida.

Portanto,

b
a X b
a

P(a X b) P

Dada a v.a. Z ~N(0;1) podemos obter a v.a. X ~ N(; 2)

atravs da transformao inversa
X = + Z

USO DA TABELA NORMAL PADRO

Denotamos : A(z) = P(Z z), para z 0.

Tabela

Exemplo: Seja Z ~ N (0; 1), calcular

a) P(Z 0,32)

P(Z 0,32) = A(0,32) = 0,6255.

Tabela

b) P(0 < Z 1,71)

P(0 < Z 1,71) = P(Z 1,71) P(Z 0)

= A(1,71)
= 0,4564.
Obs.:

P(Z < 0) = P(Z > 0) = 0,5.

Tabela

c) P(1,32 < Z 1,79)

P(1,32 < Z 1,79) = P(Z 1,79) P(Z 1,32) = A(1,79) - A(1,32)

= 0,0567.
Tabela

d) P(Z 1,5)

P(Z > 1,5) = 1 P(Z 1,5) = 0,5 A(1,5)

= 0,0668.
Tabela

e) P(Z 1,3)

P(Z 1,3) = P(Z 1,3) = 1 P(Z 1,3) = 1 A(1,3)

= 0,5 0,4032 = 0,0968.
Obs.: Pela simetria, P(Z 1,3) = P(Z 1,3).
Tabela

f) P(-1,5 Z 1,5)

P(1,5 Z 1,5) = P(Z 1,5) P(Z 1,5)

= P(Z 1,5) P(Z 1,5) = P(Z 1,5) [1 P(Z 1,5)]
= 2 P(Z 1,5) 1 = 2 A(1,5) 1
= 2 0,9332 1 = 0,3664.
Tabela

g) P(1,32 < Z < 0)

P(1,32 < Z < 0) = P(0 < Z < 1,32)

= P(Z 1,32) P(Z 0) = A(1,32)
= 0,4066.
Tabela

Como encontrar o valor z da distribuio N(0;1) tal que:

(i) P(Z z) = 0,975

z tal que A(z) = 0,975.

Pela tabela, z = 1,96.

Tabela

(ii) P(0 < Z z) = 0,4975

z tal que A(z) = 0,4975

Pela tabela z = 2,81.
Tabela

(iii) P(Z z) = 0,3

z tal que A(z) = 0,7.

Pela tabela, z = 0,53.
Tabela

(v) P(Z z) = 0,10

a tal que A(a) = 0,90 e z = a.

Pela tabela, a = 1,28 e, assim, z = 1,28.
Tabela

(vi) P( z Z z) = 0,80

z tal que P(Z < z) = P(Z > z) = 0,1.

Isto , P(Z< z) = A(z) = 0,90 e assim, pela tabela, z = 1,28.
Tabela

Exemplo: O tempo gasto no exame vestibular de uma

universidade tem distribuio Normal, com mdia 120 min e
desvio padro 15 min.
a) Sorteando um aluno ao acaso, qual a probabilidade que
ele termine o exame antes de 100 minutos?
X: tempo gasto no exame vestibular X ~ N(120; 152)
100 120
P( X 100) P Z
P(Z 1,33)
15

Tabela

b) Qual deve ser o tempo de prova de modo a permitir que

95% dos vestibulandos terminem no prazo estipulado?
X: tempo gasto no exame vestibular X ~ N(120; 152)

x 120
P ( X x ) 0,95 P Z
0,95 .
15

z = ? tal que A(z) = 0,95.

Pela tabela z = 1,64.
Z

Ento ,

x 120
1,64 x = 120 +1,64 15
15

x = 144,6 min.

Tabela

c) Qual o intervalo central de tempo, tal que 80% dos

estudantes gastam para completar o exame?
X: tempo gasto no exame vestibular X ~ N(120, 152)
x 2 120
x1 120
P( x1 X x 2 ) 0,80 P
Z
0,80 .
15
15

z = ? tal que A(z) = 0,90

Pela tabela, z = 1,28.
Z

x 1 120
1,28 x1= 120 - 1, 28 15 x1 = 100,8 min.
15
x 2 120
1,28 x2 = 120 +1,28 15 x2 = 139,2 min. Tabela
15